Universidad Abierta Para

Adultos
UAPA

ASIGNATURA:
Estadstica II.
TEMA:
Glosario tema 3
PARTICIPANTE:
Rosanna Meja
14-5940
FACILITADORA:
Leonarda Alonzo

Recinto Cibao Oriental

Nagua, Mara Trinidad Snchez, Repblica Dominicana

Conceptos:
Probabilidad uniforme
rea
Probabilidad normal estndar
Probabilidad exponencial.

1- La probabilidad uniforme es una distribucin a la cual las

probabilidades de todos los resultados son las mismas. Siempre que una
probabilidad sea proporcional a la longitud del intervalo, la variable
aleatoria estar distribuida uniformemente.
La funcin de densidad de probabilidad que define la distribucin uniforme
de la variable aleatoria es:
1
F(x)=
1

b-a

para a x b

para cualquier caso

En todos los resultados sobre el rango total de posibilidades de distribucin son

iguales posibles, desde el mnimo a hasta el mximo de b.
La media o valor esperado de una distribucin uniforme est a mitad de
camino entre sus dos extremos.
Asi: media de
Distribucin uniforme:

E(x)== a + b
2

En donde a y b son los valores ms bajos y ms altos, respectivamente.

La probabilidad uniforme Es el modelo (absolutamente) continuo ms simple.
Corresponde al caso de una variable aleatoria que slo puede tomar valores
comprendidos entre dos extremos a y b, de manera que todos los intervalos de
una misma longitud (dentro de (a, b)) tienen la misma probabilidad. Tambin
puede expresarse como el modelo probabilstico correspondiente a tomar un
nmero al azar dentro de un intervalo (a, b).

2- rea
Es un concepto mtrico que permite asignar una medida a la extensin
de una superficie, expresada en matemticas unidades de medida
denominadas unidades de superficie. El rea es un concepto mtrico que
requiere que el espacio donde se define o especifique una medida.
Para superficies planas, el concepto es ms intuitivo. Cualquier superficie
plana de lados rectos, por ejemplo un polgono, puede triangularse y se
puede calcular su rea como suma de las reas de dichos tringulos.
Ocasionalmente se usa el trmino "rea" como sinnimo de superficie,
cuando no existe confusin entre el concepto geomtrico en s mismo
(superficie) y la magnitud mtrica asociada al concepto geomtrico
(rea).
Sin embargo, para calcular el rea de superficies curvas se requiere
introducir mtodos de geometra diferencial.
Una vez se ha dado la funcin de densidad de probabilidad f(x), la
probabilidad de que x tome un valor entre algn valor menor X1y otro
valor mayor X2 se encuentra calculando el rea bajo la grfica de f(x) y
sobre el intervalo de va de X1 a X2.

3- Probabilidad normal estndar

La importancia de esta distribucin radica en que permite modelar
numerosos fenmenos naturales, sociales y psicolgicos. Mientras que los
mecanismos que subyacen a gran parte de este tipo de fenmenos son
desconocidos, por la enorme cantidad de variables incontrolables que en
ellos intervienen, el uso del modelo normal puede justificarse asumiendo
que cada observacin se obtiene como la suma de unas pocas causas
independientes.
De hecho, la estadstica descriptiva slo permite describir un fenmeno,
sin explicacin alguna. Para la explicacin causal es preciso el diseo
experimental, de ah que al uso de la estadstica en psicologa y
sociologa sea conocido como mtodo correlacionar.
La distribucin normal tambin es importante por su relacin con la
estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms
simples y antiguos.

4- Probabilidad exponencial
En estadstica la distribucin exponencial es una distribucin de probabilidad
continua con un parmetro cuya funcin de densidad es: f(x)

para

x 0, > 0

Donde = valor esperado o media.

Su funcin de distribucin acumulada es:

p ( x x ) =1e x/

Donde representa el nmero e.

La distribucin exponencial es un caso particular de distribucin gamma

con k = 1. Adems la suma de variables aleatorias que siguen una
misma distribucin exponencial es una variable aleatoria expresable en
trminos de la distribucin gamma.
A pesar de la sencillez analtica de sus funciones de definicin, la
distribucin exponencial tiene una gran utilidad prctica ya que podemos
considerarla como un modelo adecuado para la distribucin de probabilidad
del tiempo de espera entre dos hechos que sigan un proceso de Poisson. De
hecho la distribucin exponencial puede derivarse de un proceso
experimental de Poisson con las mismas caractersticas que las que
enuncibamos al estudiar la distribucin de Poisson, pero tomando como
variable aleatoria, en este caso, el tiempo que tarda en producirse un hecho
Obviamente, entonces, la variable aleatoria ser continua. Por otro lado
existe una relacin entre el parmetro a de la distribucin exponencial, que
ms tarde aparecer, y el parmetro de intensidad del proceso l, esta
relacin es a = l
Al ser un modelo adecuado para estas situaciones tiene una gran utilidad
en los siguientes casos:
Distribucin del tiempo de espera entre sucesos de un proceso de
Poisson
Distribucin del tiempo que transcurre hasta que se produce un fallo, si
se cumple la condicin que la probabilidad de producirse un fallo en un
instante no depende del tiempo transcurrido .Aplicaciones en fiabilidad
y teora de la supervivencia.